XGBoost模型运行报错：含Null值的列无法处理，寻求解决方案

错误原因分析 #

你遇到的报错核心是：XGBoost仅支持int、float、bool或category类型的特征，而将Null替换为空字符串后，列类型会变成object，不在支持范围内，因此问题未得到解决。

具体解决方法 #

根据X、Y列的角色（特征/目标），选择对应方案：

如果X、Y是特征列

• 方案1：直接删除全Null列
  全Null的列无任何有效信息，对模型训练没有帮助，直接删除即可：

  df = df.drop(columns=['X', 'Y'])
  

• 方案2：数值型填充
  将Null替换为数值型占位符（如0、均值、中位数），并转换为float类型：

  # 用0填充
  df['X'] = df['X'].fillna(0).astype(float)
  df['Y'] = df['Y'].fillna(0).astype(float)
  # 或用均值填充
  df['X'] = df['X'].fillna(df['X'].mean()).astype(float)
  

如果X、Y是目标列

全Null的目标样本无法参与模型训练，必须删除对应行：

df = df.dropna(subset=['X', 'Y'])

如果X、Y是分类变量（原本为category类型）

先将列转为category类型，再开启XGBoost的分类变量支持：

# 转换列类型
df['X'] = df['X'].astype('category')
df['Y'] = df['Y'].astype('category')
# 方式1：初始化模型时设置参数
model = xgb.XGBClassifier(enable_categorical=True)
model.fit(df[features], df[target])
# 方式2：创建DMatrix时设置参数
dtrain = xgb.DMatrix(df[features], label=df[target], enable_categorical=True)

内容的提问来源于stack exchange，提问作者Urmi Shah